In the last decades, smart environments received a lot of attention both from academic and industrial research due to the increasing demand of systems able to automatically manage environments such as homes and buildings. In the design of smart environments different goals are taken into account, such as energy savings and usability. While the former is a topic widely explored both in literature and industry, usability still has to be improved. In fact, the standard control-based approach for environmental systems (like thermostats) does not allow occupants to express their real desires: in most cases they do not know their ideal environmental settings, and the multiplicity of occupants (an issue present in many open spaces such as libraries, laboratories and gyms) results into an arise of conflicts. All these issues cause an over-heating or over-cooling of the ambient, which from an economic point of view it means a monetary waste. On the other hand, often the occupants do not have even any control on the environment, thus they remain forced to the will of building administrators and their energy savings policies, which provides no thermal comfort at all to the occupants, ensuring them to work into an unpleasant environment. Studies prove that this condition can drastically decrease the occupants’ productivity. In contrast, the proposed solution is based on thermal comfort feedback: using a participatory sensing approach based on mobile technologies, occupants provide their actual thermal complaints, which are collected along with sensed environmental measurements like temperature. Using machine learning techniques, the system provides a thermal comfort model tailored for both individuals and groups of occupants, which is then updated every time an user submits a new complaint. Starting from this model, the system provides the best actuation in terms of temperature that maximizes the energy savings while satisfying the thermal comfort needs of the users. Evaluation conducted through simulation gives an improvement in power consumption efficiency within the range of 15-20\% compared with the state-of-the-art, while maintaining similar performance on control action and user comfort.
Negli ultimi decenni, l'ambito degli Ambienti Smart ha ricevuto una grande attenzione sia dalla ricerca accademico che industriale, a causa della crescente domanda per sistemi in grado di gestire autonomamente ambienti come case ed edifici. Durante la progettazione di Ambienti Smart entrano in gioco diversi obbiettivi, tra cui il risparmio energetico e l'usabilità da parte degli utenti. Mentre il primo obbiettivo è un argomento largamente esplorato sia in letteratura che in ambito industriale, la ricerca legata all'usabilità deve ancora essere perfezionata. Infatti, l'approccio per il controllo usato dai sistemi ambientali standard (come i termostati) non permettono alle persone al proprio interno di esprimere i loro reali desideri: nella maggior parte dei casi ignorano quale sia il loro setting ambientale ideale, and il fatto di avere molte persone all'interno dello stesso ambiente (problematica riscontrabile non sono negli uffici, ma anche in molti open space come biblioteche, laboratori e palestre) può essere fonte di conflitti. Tutte queste considerazioni causano generalmente un utilizzo sbagliato del sistema di controllo, generalmente traducibile in un sovra-riscaldamento o sovra-raffreddamento dell'ambiente, il quale da un punto di vista economico rappresenta uno spreco di soldi. Dall'altra parte, spesso le persone non hanno la possibilità di controllare l'ambiente circostante, spesso rimanendo costretti alla volontà degli amministratori e delle loro politiche di risparmio che non considerano affatto il comfort termico degli utenti, obbligandoli a lavorare in ambienti non gradevoli. E' stato dimostrato che questa condizione di discomfort può ridurre drasticamente la produttività dei lavoratori. In contrasto con questa tendenza, la soluzione proposta è basata sul feedback relativo al comfort termico degli utenti: usando un approccio participatory sensing, basato su tecnologie mobile, le persone presenti in uno spazio al chiuso possono inviare lamentele sul loro stato termico. Queste lamentele vengono registrate assieme a misurazioni ambientali come la temperatura. Utilizzando poi tecniche di machine learning, il sistema fornisce un modello di comfort termico su misura sia individualmente a ogni singola persona sia per gruppi di persone, che viene aggiornato ogniqualvolta un utente invia una nuova lamentela. Da questo modello, il sistema fornisce il miglior valore di attuazione possibile in termini di temperatura che massimizza il risparmio energetico soddisfacendo le necessità di comfort termico degli utenti. Valutazioni sperimentali condotte tramite simulazione indicano un miglioramento nell'efficienza del consumpo di potenza compreso tra il 15 e il 20% rispetto allo stato dell'arte, il tutto conservando performance simili relativamente al controllo ambientale e comfort degli utenti.
ThermoSense : a complaint-based approach for thermal comfort control in indoor environments
SERENA, PIERCARLO
2015/2016
Abstract
In the last decades, smart environments received a lot of attention both from academic and industrial research due to the increasing demand of systems able to automatically manage environments such as homes and buildings. In the design of smart environments different goals are taken into account, such as energy savings and usability. While the former is a topic widely explored both in literature and industry, usability still has to be improved. In fact, the standard control-based approach for environmental systems (like thermostats) does not allow occupants to express their real desires: in most cases they do not know their ideal environmental settings, and the multiplicity of occupants (an issue present in many open spaces such as libraries, laboratories and gyms) results into an arise of conflicts. All these issues cause an over-heating or over-cooling of the ambient, which from an economic point of view it means a monetary waste. On the other hand, often the occupants do not have even any control on the environment, thus they remain forced to the will of building administrators and their energy savings policies, which provides no thermal comfort at all to the occupants, ensuring them to work into an unpleasant environment. Studies prove that this condition can drastically decrease the occupants’ productivity. In contrast, the proposed solution is based on thermal comfort feedback: using a participatory sensing approach based on mobile technologies, occupants provide their actual thermal complaints, which are collected along with sensed environmental measurements like temperature. Using machine learning techniques, the system provides a thermal comfort model tailored for both individuals and groups of occupants, which is then updated every time an user submits a new complaint. Starting from this model, the system provides the best actuation in terms of temperature that maximizes the energy savings while satisfying the thermal comfort needs of the users. Evaluation conducted through simulation gives an improvement in power consumption efficiency within the range of 15-20\% compared with the state-of-the-art, while maintaining similar performance on control action and user comfort.| File | Dimensione | Formato | |
|---|---|---|---|
|
2016_12_Serena.pdf
Open Access dal 02/12/2017
Descrizione: thesis
Dimensione
3.24 MB
Formato
Adobe PDF
|
3.24 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/132474